Стратификация – расслоение диаграммы Парето

 

Стратификация представляет собой разбивку (группировку) данных на страты (группы) в зависимости от условий их получения и обработки каждой группы данных в отдельности. В основном, стратификация – процесс сортировки данных согласно некоторым критериям или переменным, результаты которого часто показываются в виде диаграмм и графиков. Можно классифицировать массив данных по различным группам (или категориям) с общими характеристиками, называемыми переменной стратификации. Важно установить, какие переменные будут использоваться для сортировки. Например, данные о дефектах, относящиеся к изделию, производимому в цеху на рабочем месте, могут в какой-то мере различаться в зависимости от поставщиков материалов, от исполнителя, от рабочей смены, от используемого оборудования и т.д. Поэтому, для анализа источника возникновения дефектов все данные (100 %) были классифицированы на четыре категории – по поставщикам, по операторам, по

 

смене и по оборудованию. На рис.18. показано расслоение диаграммы Парето для данного примера.

Рис.18. Стратификация данных

Из анализа представленных данных наглядно видно, что наибольший вклад в наличие дефектов вносит в данном случае «поставщик 2». Таким образом, расслоение позволяет получить представление о скрытых причинах дефектов.

ДИАГРАММЫ ИСИКАВЫ

 

Для производства качественных изделий необходимо наиболее важным показателям качества поставить в соответствие различные факторы производства. Затем через воздействие на отрицательные факторы правильно подобранными мерами процесс вводят в стабильное состояние. Для этого важно понимать и контролировать зависимость между характеристиками качества (следствием) и параметрами производства (системой причинных факторов). При этом удобно использовать причинно-следственную диаграмму [9, 10, 49, 65, 66].

Диаграмма Исикавы (причинно-следственная диаграмма) – инструмент, позволяющий выявить и систематизировать наиболее существенные факторы (потенциальные причины), влияющие на конечный результат (следствие). Многие потенциальные причины сводятся в главные категории и подкатегории так, что обнаруживается сходство со скелетом рыбы. Отсюда это средство также из-

 

вестно, как диаграмма “рыбий скелет”. Одна из возможных форм диаграммы Исикавы представлена на рис. 19.

Рис. 19. Форма диаграммы Исикавы: 1– показатель качества (следствие); 2 – система причинных факторов; A, B,…– главные причины (“большие кости”); A₁, A₂, B₁, B₂,.. – причины 2-го уровня (“средние кости”); A’₁, A’₂, B’₁, B’₂,.. – причины 3-го уровня (“мелкие кости”) и т. д. [9]

 

Процесс построения диаграммы Исикавы начинают с описания выбранного показателя качества или связанной с ним проблемы, а именно: в чем ее особенности, где она возникает, когда проявляется и как далеко распространяется. На диаграмме данную проблему или показатель качества (следствие) располагают в прямоугольнике справа.

Далее выявляют причинные факторы, являющиеся основными источниками проблем – категории причин (так называемые “большие кости”), наиболее общие из которых: методы, процедуры, процессы; материалы; оборудование; средства измерения; окружающие условия; персонал; руководство; системы данных и информации. Располагают главные категории возможных причин как “притоки” к горизонтальной линии (“хребту”), упирающейся в прямоугольник следствия. Затем выявляют вторичные причины, влияющие на главные (“средние кости”); определяются причины третьего порядка, влияющие на вторичные причины (“мелкие кости”) и т. д. Для поиска причин в случае необходимости проводят активное обсуждение. Наиболее эффективный метод в таком случае – “мозговой штурм”[9].

 

На диаграмму наносят всю необходимую информацию: ее название; наименование изделия, процесса или группы процессов; имя и данные человека, строившего диаграмму; дату и т.д. После завершения построения диаграммы следующий шаг – распределение причин по степени их важности. Не обязательно все причины, включенные в диаграмму, будут оказывать сильное воздействие на показатель качества.

Для выявления причин, оказывающих наибольшее влияние на результаты, удобно использовать диаграмму Парето. В настоящее время распространено совместное использование диаграмм Исикавы и Парето. Поэтому в сложных случаях для выявления того, какие из “косточек” наиболее важны, можно выяснить мнение участников анализа о ранжировании причин, а затем с помощью диаграммы Парето установить причины, набравшие максимальное число голосов. Необходимо помнить, что диаграмма Исикавы является экспертным методом и значимость отдельных факторов является только субъективной оценкой. На приведенном ниже рис. 20 представлена причинно-следственная диаграмма одного из видов металлургического производства, а именно производства графитированных электродов для электросталеплавильных печей. На диаграмме показаны факторы, влияющие на образование брака конечной продукции.

Диаграммы Исикавы имеют универсальное применение. Так, их можно использовать, например, при выделении наиболее значимых факторов, влияющих на качество образовательного процесса. На рис. 21 и 22 приведены такие диаграммы, построенные различными экспертами.

Задание№5

Постройте диаграмму Исикавы по факторам, влияющим на качество процесса, используя материалы инженерной практики, которая проводится после окончания шестого семестра. Информацию о показателях качества для построения диаграммы соберите из всех доступных источников: используйте журнал регистрации операций, журнал регистрации данных текущего контроля, сообщения рабочих и технологов производственного участка; проанализируйте все стадии производственного процесса с указанием на контрольных листках причин возникающей проблемы и т.д. При построении диаграммы Исикавы каждым студентом по полученным данным проведите: а) анализ Парето; б) стратификацию.

Рис. 20. Факторы, влияющие на брак по трещинам при графитации крупногабаритных электродов

 

 

Рис. 21. Совокупность факторов, влияющих на качество образования, отображенная на диаграмме Исикавы

(вариант 1)

 

 

Рис. 22. Совокупность факторов, влияющих на качество образования, отображенная на диаграмме Исикавы

(вариант 2)

 

ДИАГРАММА РАССЕЯНИЯ (РАЗБРОСА)

 

Диаграммы рассеяния применяются, когда требуется представить, что происходит с одной из переменных величин, если другая переменная изменяется, и позволяют выявить наличие или отсутствие связи между двумя переменными величинами. Эти две переменные могут относиться к: характеристике качества и влияющему на нее фактору; двум различным характеристикам качества; двум факторам, влияющим на одну характеристику качества [9, 43].

Построение диаграммы разброса выполняется в следующей последовательности:

Этап 1. Соберите парные данные (х, у), между которыми вы хотите исследовать зависимость, и расположите их в таблицу. Желательно не менее 25-30 пар данных.

Этап 2. Найдите максимальные и минимальные значения для х и у. Выберите шкалы на горизонтальной и вертикальной осях так, чтобы обе длины рабочих частей получились приблизительно одинаковыми, тогда диаграмму будет легче читать. Возьмите на каждой оси от 3 до 10 градаций и используйте для облегчения чтения круглые числа. Если одна переменная –фактор, а вторая – характеристика качества, то выберите для фактора горизонтальную ось х, а для характеристики качества – вертикальную ось у.

Этап 3. На отдельном листе бумаги начертите график и нанесите на него данные. Если в разных наблюдениях получаются одинаковые значения, покажите эти точки, нанося вторую точку рядом с первой.

Этап 4. Нанесите на диаграмму всю необходимую информацию: название диаграммы; число пар данных; названия и единицы измерения для каждой оси; имя (и прочее) человека, строившего диаграмму.

Использование диаграммы рассеяния не ограничивается только выявлением вида и тесноты связи между парами переменных. Диаграмма рассеяния используется также для выявления причинно-следственных связей показателей каче­ства и влияющих факторов при анализе причинно-следственной диаграммы, рассмотренной ранее. Так, с помощью диаграммы разброса очень удобно наблюдать характер изменения параметров качества во времени при воздействии тех или иных факторов. В этом случае по оси абсцисс откладывают значения изучае­мого параметра качества однотипных объектов перед постановкой эксперимента по исследованию влияния определенных факторов на данный параметр качества (начальные значения). В результате будем иметь упорядоченный ряд значений x₁, x₂, x₃,..., x_n изучаемого параметра качества, которые наносят на ось абсцисс. Замерив значения параметра качества у тех же самых объектов, по окончании эксперимента получим упорядоченный ряд значений y₁, у₂, y₃,..., y_n, который наносят соответственно на ось ординат. Тогда значение параметра качества каждого объекта до и после эксперимента будет обозначаться точкой в системе указанных координат. Эта совокупность точек образует диаграмму рассеяния (рис. 23).

Рис. 23. Диаграмма рассеяния

 

Чтобы оценить характер изменения параметра качества во времени, проведем из начала координат биссектрису. Если все точки лягут на биссектрису, то это означает, что значения данного параметра не изменились в процессе эксперимента. Следовательно, рассматриваемый фактор (или факторы) не влияет на параметр качества.

Если основная масса точек лежит под биссектрисой, то это значит, что значения параметра качества за прошедшее время уменьшились. Если же точки ложатся выше биссектрисы (как на рис. 23), то значения параметра за рассматриваемое время возросли. Рассмотрим пример построения диаграммы рассеяния [9].

Пример № 6. При высокотемпературной прокалке кокса его плотность изменяется. По полученным данным табл. 18 постройте диаграмму рассеяния, определите величину достоверности аппроксимации и уравнение аппроксимирующей кривой.

Таблица 18

Температура, °С	Плотность кокса, кг/м^3	Температура, °С	Плотность кокса, кг/м^3

 

На рис. 24 приведена диаграмма рассеяния, характеризующая разброс данных табл. 18 относительно линии, называемой аппроксимирующей кривой или линией тренда. Чтобы построить линию, наиболее точно аппроксимирующую данные параметры, в MS Excel из предложенных линий тренда: линейной, логарифмической, степенной и экспоненциальной, выбираем необходимую путем определения величины достоверности аппроксимации R² для каждого типа аппроксимирующей кривой. Наибольшее значение величины достоверности аппроксимации будет соответствовать искомой линии тренда. На диаграмме рассеяния строим линию тренда, а также наносим уравнение, описывающее зависимость между имеющимися параметрами, и величину достоверности аппроксимации.

Характер зависимости, который определяется видом диаграммы рассеяния, дает представление о том, каким изменениям будет подвержен один из параметров при определенных изменениях другого. Так, при увеличении температуры на рис. 24 плотность кокса также будет увеличиваться (прямая зависимость). В этом случае при осуществлении контроля за первым параметром характеристика второго параметра будет оставаться стабильной.

Рис. 24. Диаграмма рассеяния примера №6

 

На рис. 25 приведен пример слабой прямой зависимости. При увеличении параметра X увеличивается также и параметр Y, но его разброс велик по отношению к определенному значению параметра X. С помощью контроля причинного фактора X можно до некоторой степени держать под контролем характеристику Y, но необходимо также иметь в виду и другие факторы, оказывающие влияние на параметр Y.

Пример обратной зависимости показан на рис. 26. При увеличении параметра X характеристика Y уменьшается. Если причинный фактор X находится под контролем, параметр Y остается стабильным. На рис. 27 представлен случай слабой обратной зависимости, когда при увеличении параметра X характе-

 

ристика Y уменьшается, но при этом велик разброс значений параметра Y, соответствующих фиксированному значению X.

Рис. 25. Диаграмма рассеяния: слабая прямая зависимость

Рис. 26. Диаграмма рассеяния: обратная зависимость

Рис. 27. Диаграмма рассеяния: слабая обратная зависимость

По разбросу точек на рис. 28 можно сделать вывод об отсутствии взаимосвязи двух параметров. В этом случае необходимо продолжать поиск факторов, аппроксимирующих с параметром Y, исключив из этого поиска фактор X.

Рис. 28. Диаграмма рассеяния: отсутствие взаимосвязи

В случаях, представленных на рис. 25 – 27, есть смысл провести дальнейшую статистическую обработку данных: установить форму зависимости, рассчитать коэффициенты. Форма зависимости может быть как прямолинейной (например, диаграмма рассеяния, приведенная на рис. 24), так и криволинейной. Так, на рис. 29 представлена логарифмическая зависимость между двумя параметрами, а на рис. 30 – показательная зависимость.

Важно заметить, что если две переменные кажутся связанными, это еще не означает, что они являются таковыми. Возможно, существуют другие причины такой связи.

Рис. 29. Диаграмма рассеяния: логарифмическая зависимость

Рис. 30. Диаграмма рассеяния: показательная зависимость

Задание № 6.

Варианты 1-24.При изучении свойств конструкционных материалов получены характеристики, приведенные в табл. 1 – 3. По данным табл. 2 (вариант 1 – 8), табл. 3 (вариант 9 – 16) и табл. 4 (вариант 17 – 24) построить диаграмму рассеяния, характеризующую зависимость:

– вариант 1, 9, 17 – между ТКЛР и плотностью;

– вариант 2, 10, 18 – между ТКЛР и УЭС;

– вариант 3, 11, 19 – между ТКЛР и скоростью ультразвука;

– вариант 4, 12, 20 – между ТКЛР и Е;

– вариант 5, 13, 21 – между плотностью и УЭС;

– вариант 6, 14, 22 – между плотностью и скоростью ультразвука;

– вариант 7, 15, 23 – между плотностью и Е;

– вариант 8, 16, 24 – между УЭС и скоростью ультразвука.

С помощью MS Excel из предложенных линий тренда: линейной, логарифмической, степенной и экспоненциальной, - выбрать наиболее точно описывающую представленный разброс данных, нанести ее на полученную диаграмму рассеяния. Определить величину достоверности аппроксимации и уравнение аппроксимирующей кривой.

Таблица 19

ТКЛР, 10^7 ºС^-1	Плотность, кг/м^3	УЭС, мкОм∙м	Скорость ультразвука, м/с	Е, ГПа
4,181		4,9		16,9
Продолжение табл. 19
3,270		4,0		13,9
4,413		4,1		13,0
3,948		4,3		12,9
4,789		4,0		20,1
12,87		14,2		9,8
5,990		5,8		12,4
4,722		6,5		14,6
3,620		4,2		16,3
2,554		4,1		18,0
6,998		9,0		10,5
2,053		4,6		15,2
3,093		4,5		17,6
1,443		3,5		19,1
1,514		6,0		12,0
2,160		4,3		13,0
1,547		3,8		20,6
8,818		5,5		17,2
7,918		7,0		18,8
8,810		5,8		16,0
3,630		4,2		17,4
8,557		4,1		16,9
6,952		6,0		15,1
4,261		3,9		12,0
9,861		6,8		16,0
4,304		9,3		20,7
4,534		7,4		9,3
9,150		8,0		9,2
6,540		4,2		15,9
2,983		8,3		16,6
4,125		9,2		15,3
2,665		5,5		19,4
Окончание табл. 19
11,11		6,3		15,4
9,033		5,2		11,2
7,560		5,7		12,5
7,780		6,7		12,5
7,628		7,7		8,4
9,674		8,2		8,2
9,173		6,3		13,0
3,543		4,1		15,6

 

Таблица 20

ТКЛР, 10^7 ºС^-1	Плотность, кг/м^3	УЭС, мкОм∙м	Скорость ультразвука, м/с	Е, ГПа
6,584		6,1		12,8
6,180		7,0		8,6
4,896		6,5		17,7
6,302		7,3		9,2
2,809		3,8		22,4
7,114		4,1		24,5
2,003		4,0		21,3
2,733		3,7		23,4
2,664		3,8		21,1
2,896		4,2		19,4
1,961		4,0		25,1
1,106		4,2		21,8
1,549		3,7		26,9
7,043		4,5		17,5
4,199		4,1		20,3
1,902		3,7		19,7
4,358		5,0		17,5
7,295		5,4		18,1
Продолжение табл. 20
5,612		5,6		11,4
7,100		6,9		10,8
6,307		6,1		10,9
6,218		5,5		18,6
6,551		6,0		13,3
4,827		4,8		14,3
4,181		4,2		24,7
4,827		4,8		23,1
8,027		6,1		13,0
4,575		4,2		24,1
4,575		4,6		17,7
4,307		3,8		25,5
4,442		3,9		25,3
6,824		7,1		8,1
4,686		6,0		16,5
4,368		5,1		15,4
4,204		6,9		13,6
6,696		7,3		14,5
4,437		6,1		14,1
4,730		6,0		17,5
9,065		7,2		15,9
8,919		5,5		15,2

 

Таблица 21

ТКЛР, 10^7 ºС^-1	Плотность, кг/м^3	УЭС, мкОм∙м	Скорость ультразвука, м/с	Е, ГПа
6,696		7,3		14,5
4,437		6,1		14,1
4,730		6.0		17,5
9,065		7,2		15,9
Продолжение табл. 21
8,919		5,5		15,2
6,950		3,6		17,2
7,841		8,8		13.0
3,762		4,2		19,3
3,229		6.0		13,03
4,498		8,3		10,3
7,539		6,6		13.0
5,895		9,1		16,6
6,812		7,9		17,7
4,411		8.0		18,7
21,40		12,3		6,9
20,50		12,7		6,9
2,565		5,2		17,3
6,840		7,4		13,2
7,295		8,9		15,2
8,624		7,7		10,8
6,050		6,1		13,1
2,373		5,3		14,8
3,034		5,7		13,7
7,750		4,5		15,9
1,885		3,7		20,3
2,376		4,7		13,7
2,684		4,6		14.0
2,780		4,3		20,2
3,721		4,7		13,1
7,324		6.0		10,8
8,253		5,2		12,8
3,035		8,4		19.0
13,855		8,4		6,6
14,402		7.0		7,9
6,642		7,1		14,8
Окончание табл. 21
5,745		3,4		17,1
8,882		6,6		10,6
2,978		3,7		27,7
5,739		4,1		16.0
6,220		3,8		25,5

 

 

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

 

1. Фандеев Е. И. Метрология, стандартизация, сертификация: Учебно-методическое пособие к решению задач и выполнению расчетных заданий. Ч.1 / Юж. – Рос. гос. техн. ун-т. Новочеркасск: ЮРГТУ, 2001. – 52 с.

2 Сергеев А. Г., Латышев М. В. Сертификация: Учебное пособие для студентов вузов. – М.: Логос, 2000. 248 с.

3. Сергеев А. Г., Латышев М. В., Терегеря В. В. Метрология, стандартизация, сертификация: Учеб. пособие. – М.: Логос, 2003. – 536 с.

4. Лифиц И. М. Стандартизация, метрология и сертификация: Учебник. – М.: Юрайт-Издат, 2002. – 296 с.

5. Басаков М. И. Основы стандартизации, метрологии, сертификации: 100 экзаменационных ответов. – М.: ИКЦ «Март»; Ростов н/Д: Изд. центр «МарТ», 2003. – 256 с.

6. Козлов М. Г. Метрология и стандартизация: Учеб. пособие. – СПб.: Петербургский ин-т печати, 2001. – 372 с.

7. Стандартизация и управление качеством продукции: Учеб. / В. А. Швандар, В. Т. Панов, Е. М. Купряков. и др.; Под ред. проф. В. А Швандара. – М.: ЮНИТИ–ДАНА, 1999. – 487 с.

8. Гиссин В. И. Управление качеством. – М.: ИКЦ «Март»; Ростов н/Д: Изд. центр «МарТ», 2003. – 400 с.

9. Всеобщее управление качеством: Учеб. для вузов / О. П. Глудкин, Н. М. Горбунов, А. И. Гуров, Ю. В. Зорин. – М.: Радио и связь, 1999. – 600 с.

10. Мазур И. И., Шапиро В. Д. Управление качеством: Учеб. пособие / Под ред. И. И. Мазура. – М.: Высш. шк., 2003. – 334 с.

11. Огвоздин В. Ю. Управление качеством. Основы теории и практики: Учеб. пособие. – М.: Изд-во «Дело и Сервис», 2002. – 160 с.

12. Басовский Л. Е., Протасьев В. Б. Управление качеством: Учеб. – М.: ИНФРА-М, 2000. – 212 с.

13. Управление качеством: Т 1. Основы обеспечения качества /Под общ. ред. В. Н. Азарова – М.: МГИЭМ, 1999. –326 с.

14. Варакута С. А. Управление качеством продукции: Учеб. пособие. – М.: ИНФРА-М, 2002. – 207 с.

15. Лапуста М. Г. Качество продукции: механизм управления. – М.: Экономика, 1980. – 183 с.

16. Лапуста М. Г.,Швандар В. А.Качество – задача общенародная. – М.: Экономика, 1989. – 189 с.

17. Управление качеством: Учеб. для вузов / С. Д. Ильенкова, Н. Д. Ильенкова, В. С. Мхитарян и др.; Под ред. С. Д. Ильенковой. – 2-е изд., перераб. и доп. – М.: ЮНИТИ–ДАНА, 2003. – 334 с.

18. Гличев А. В. Основы управления качеством продукции. – М.: АМИ, 1998 – 356 с.

19. Минин Б. А. Качество. Как его анализировать? – М.: Финансы и статистика, 1989. – 95с.

20. Мишин В. М. Управление качеством: Учеб. пособие. – М.: ЮНИТИ–ДАНА, 2000. – 303 с.

21. Ахмин А. М., Гасюк Д. П. Основы управления качеством продукции: Учеб. пособие. – СПб.: Союз, 2002. – 192 с.

22. Леонов И. Г., Аристов О. В. Управление качеством продукции: Учеб. пособие для сред. спец. учеб. заведений. – 2-е изд., перераб. и доп. – М.: Изд-во стандартов, 1990. – 223 с.

23. Федюкин В. К., Дурнев В. Д., Лебедев В. Г. Методы оценки и управления качеством промышленной продукции: Учеб. – М.: Филинъ, Рилант, 2000. – 328 с.

24. Окрепилов В. В. Управление качеством: Учеб. для вузов. 2-е изд., доп. и перераб. – СПб: ОАО «Изд-во Наука», 2000. – 912 с.

25. Строителев В. Н., Яницкий В. Е. Статистические методы в управлении качеством. Учеб. для вузов– М: Европейский центр по качеству, 2002.–164 с.

26. Парк С. Система статистического управления процессами и ее практическое применение в промышленности // Надежность и контроль качества. 1996. № 4. – С. 56-61.

27. Максаков А. Б., Кекутия И. П., Михейкин В. Б. Методика статистического анализа качества продукции в стабильности технологических процессов // Надежность и контроль качества. 1993. № 10. – С. 12-19.

28. Джуран Дж. У истоков статистического контроля качества // Надежность и контроль качества. 1998. №8. – С. 13-21.

29. Адлер Ю. П., Шпер В. Л. Истоки статистического мышления // Методы менеджмента качества. 2003. № 1. – С. 34-40.

30. Илларионов О. И. Статистическое регулирование технологического процесса с регулированием состояния технологического оборудования // Надежность и контроль качества. 1993. № 8. – С. 35-42.

31. Самсонова М. В. Статистические методы в управлении процессами организации // Методы менеджмента качества. 2005, № 2. – С. 50-51.

32. Конарева Л. А. Счастливая звезда доктора Джурана // Стандарты и качество. 2005, № 1. – С. 80-86.

33. Применение прикладных статистических методов при производстве продукции: Практическое руководство. – 3-е изд. – Н. Новгород: СМЦ «Приоритет», 1999. – 54 с.

34. «Семь инструментов качества» в японской экономике / Сост. Э. К. Николаева – М.: Изд-во стандартов, 1990. – 88 с.

35. Исикава К. Японские методы управления качеством: Сокр. пер. с англ. / Науч. ред. А. В. Гличева. – М.: Экономика, 1988. – 215 с.

36. Адлер Ю.П., Полховская Т.С., Нестеренко П.А. Управление качеством. Ч I. Семь простых методов. – М.: РИА «Стандарты и качество», 2001.

37. Лапидус В. А. Система статистического управления процессами (система Шухарта) // Надежность и контроль качества. Методы менеджмента качества. 1999. №5. – С. 11-15.

38. Лапидус В. А. Система статистического управления процессами. Система Шухарта // Надежность и контроль качества. Методы менеджмента качества. 1999. №6. – С. 3-13.

39. Шайнин Питер Д. Инструменты качества. Ч 3: Контрольные карты // Методы менеджмента качества. 2000. №1. – С. 17-22.

40. Шайнин Питер Д. Инструменты качества. Ч 4: Гистограммы // Методы менеджмента качества. 2000. №3. – С. 28-33.

41. Шайнин Питер Д. Инструменты качества. Ч 5: Контрольные листки // Методы менеджмента качества. 2000. №5. – С. 23-30.

42. Дж. Т. Бар. Инструменты качества. Ч 6: Диаграммы Парето // Методы менеджмента качества. 2000. №7. – С. 27-30.

43. Дж. Т. Бар. Инструменты качества. Ч 7: Диаграммы рассеяния // Методы менеджмента качества. 2000. №9. – С. 14-15.

44. Цыганов И. Ю Контрольный листок // Методы менеджмента качества. 2003. № 12. – С. 56-57.

45. Михайлова М. Р., Поздеева Н. С. Диаграмма Парето: новые возможности // Методы менеджмента качества. 2002. № 9. – С. 36-39.

46. Нетес В. А. Применение анализа Парето для повышения надежности // Методы менеджмента качества. 2002. № 11. – С. 35-39.

47. Микульчик А. А. Диаграмма Парето: экономический аспект // Методы менеджмента качества. 2003. № 3. – С. 32-34.

48. Аронов И. З. Обзор применения диаграмм Парето для целей статистического анализа // Надежность и контроль качества. 1995. №8. – С. 10-15.

49. Алексеев В. Новый взгляд на диаграмму Исикавы // Методы менеджмента качества. 2002. №12. – С. 46-47.

50. Цубаки Х. Применение статистических методов во всеобщем менеджменте качества (TQM). Японский метод // Надежность и контроль качества. 1996. № 4. – С. 40-45.

51. Илларионов О. И. Нужна ли теория контрольных карт? // Методы менеджмента качества, 2005. № 3. – С. 38-42.

52. Дубровин В. И. Применение контрольных карт для управления качеством // Надежность и контроль качества. 1997. №7. – С. 52-56.

53. Теняков Е. И. Общие требования и правила оформления текстовых документов в учебном процессе. – 2-е изд./ Юж. – Рос. гос. техн. ун-т. – Новочеркасск: ЮРГТУ, 2003. – 28 с.

54. ГОСТ 8.417–2002. Единицы величин. – М.: Изд-во стандартов, 2002.– 27 с.

55. Никитин В. А. Управление качеством на базе стандартов ИСО 9000:2000. – СПб.: Питер, 2002. – 272 с.

56. Илларионов О. И. Слагаемые эффективности контрольных карт // Методы менеджмента качества. 2005. № 2. – С. 30-35.

57. Адлер Ю. П., Шпер В. Л. Контрольные карты Шухарта // Методы менеджмента качества. 2003. № 5. – С. 30-47.

58. Адлер Ю. П., Шпер В. Л. Контрольные карты Шухарта // Методы менеджмента качества. 2003. № 7. – С. 33-37.

59. Илларионов О. И. Проектирование контрольных карт на основе критерия полной вероятности брака // Методы менеджмента качества. 2003. № 6. – С. 32-36.

60. Илларионов О. И. Контрольные карты: технологический взгляд // Методы менеджмента качества. 2003. № 2. – С. 41-45.

61. Адлер Ю. Л., Шпер В. Л. Интерпретация контрольных карт Шухарта// Методы менеджмента качества. 2003. № 11. – С.34-41.

62. Юнак Г. Л., Годлевский В. Е., Плотников А. Н. Об интерпретации серий на контрольных картах// Методы менеджмента качества. 2005. № 4.–С. 41-48.

63. Шпер В. Л. Еще раз о контрольных картах и вокруг них // Надежность и контроль качества. 1998. №10. – С. 3-13.

64. Каргин Г. Н., Кузнецов Д. М., Захаров А. П. Особенности управления качеством ремонта сложной многокомпонентной техники // Материалы регион. науч.- практ. конф. «Управление качеством: теория и современная практика».- Ростов-на-Дону: РГЭУ «РИНХ», 2003. – С. 42–44.

65. Свиткин М. З., Мацута В. Д., Рахлин К. М. Менеджмент качества и обеспечение качества продукции на основе международных стандартов ИСО.. – СПб.: Изд-во СПб картфабрики ВСЕГЕИ, 1999.- 403 с.

66. Альгина М. В. Определение направлений улучшения качества образовательных услуг в техническом вузе // Материалы регион. науч.- практ. конф. «Управление качеством: теория и современная практика».- Ростов-н/Д: РГЭУ «РИНХ», 2003. – С. 58–61.

 

 

СОДЕРЖАНИЕ

ПРЕДИСЛОВИЕ……..………………………………………………………3

КРАТКИЕ СВЕДЕНИЯ О СТАНДАРТИЗАЦИИ И СЕРТИФИ-

КАЦИИ. СТАТИСТИЧЕСКИЕ ИНСТРУМЕНТЫ УПРАВЛЕНИЯ

КАЧЕСТВОМ………………………………………………………………………..5

1. КОНТРОЛЬНЫЙ ЛИСТОК ……………………..………………………..8

2. ГИСТОГРАММА, ЕЁ ПОСТРОЕНИЕ И АНАЛИЗ……………………11

2.1. Определения и общие положения……………………………………..11

2.2. Параметры, характеризующие распределение………………………..16

2.3. Показатель возможности процесса…………………………………….20

2.4. Варианты заданий………………...…………………………………….21

3. КОНТРОЛЬНЫЕ КАРТЫ, ИХ ПОСТРОЕНИЕ И АНАЛИЗ….….……28

4. ДИАГРАММА ПАРЕТО………………………………….………...……40

5. СТРАТИФИКАЦИЯ – РАССЛОЕНИЕ ДИАГРАММЫ ПАРЕТО ….43

6. ДИАГРАММЫ ИСИКАВЫ.……………………………………………..44

7. ДИАГРАММА РАССЕЯНИЯ (РАЗБРОСА)……………………………50

БИБЛИОГРАФИЧЕСКИЙ СПИСОК………………………………………62

 

Учебное издание

 

 

Кузнецов Дмитрий Михайлович

Фандеев Евгений Иванович

Кузнецова Марина Сергеевна